Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Aktieprognostisering med Artificiella Neurala Nätverk
Stockholm University, Faculty of Social Sciences, School of Business.
2004 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [sv]

Varje aktiehandlares dröm är att kunna förutse aktiernas framtida kurser. I denna uppsats studeras de artificiella neurala nätverkens förmåga att prognostisera just aktiekurser. Neurala nätverk har sedan ett tiotal år tillbaka används inom en mängd olika områden och har fått störst betydelse för datorbaserad mönsterigenkänning. Det är också detta som utgör nätverkens vapen för aktieprognostisering. Genom att känna igen mönster i den senaste tidens kursutveckling kan de, baserat på tidigare erfarenheter, programmeras att lämna en prognos för nästa dags kurs. En förutsättning för att prognostiseringen skall lyckas är att man verkar på en marknad som inte är fullständigt effektiv, en marknad där inte all tillgänglig information återspeglas i aktiekursen. Tidigare undersökningar har visat att Stockholmsbörsen inte är helt och hållet effektiv. Detta är en av anledningarna till att undersökningen har utförts på just Stockholmsbörsen. Undersökningen är baserad på ett antal praktiska försök på trettio utvalda aktier och frågan är om det går att utnyttja en eventuell marknadsineffektivitet för att förutse aktiekurser? Svaret är att de neurala nätverken i genomsnitt prognostiserar upp och nedgångar rätt i ca 55% av fallen, vilket är något bättre än slumpen. Vad som är särskilt intressant är att denna siffra skiljer sig åt beroende på veckodagen prognostiseringen är utförd. Högsta värdet erhålls för fredagar medan tisdagskursen verkar hopplös att förutse. Slutsatsen är att Stockholmbörsen inte är fullständigt effektiv och att sk veckodagseffekter existerar.

Place, publisher, year, edition, pages
2004.
National Category
Business Administration
Identifiers
URN: urn:nbn:se:su:diva-4691OAI: oai:DiVA.org:su-4691DiVA: diva2:194276
Uppsok
samhälle/juridik
Available from: 2007-01-05 Created: 2007-01-05

Open Access in DiVA

No full text

By organisation
School of Business
Business Administration

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 59 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf